MétaCan
Menu
Retour à la cohorte
Enregistrement W2162048096 · doi:10.14569/ijacsa.2013.040711

Contribution of the Computer Technologies in the Teaching of Physics: Critical Review and Conception of an Interactive Simulation Software

2013· article· en· W2162048096 sur OpenAlexaff
Abdeljalil Métioui, Louis Trudel

Notice bibliographique

RevueInternational Journal of Advanced Computer Science and Applications · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Societies in the 21st Century
Établissements canadiensDominican University CollegeUniversity of OttawaUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftwarePresentation (obstetrics)Human–computer interactionUser modelingRepresentation (politics)MultimediaUser interfaceProgramming language

Résumé

récupéré en direct d'OpenAlex

In the present research, we will synthesize the main research results about the development of interactive computer environments for physics teaching and learning. We will see that few types of software propose environments that take into account the user's erroneous representations in order to make him become aware of his mistakes. The majority of these softwares present modelling activities that are restricted to the automatic collection of experimental data and their analysis under graphical form. As a consequence, we will present the design of computer environments for the learning of the phenomenona of absorption and diffusion of light which will take into account the user's initial representations. The design of these environments is divided in five steps: (1) diagnostic of the user’s initial representations; (2) confrontation of the user’s initial representations by the simulation; (3) reconstruction by the user of his representations following the completion by the user of the simulation; (4) reconstruction of the user’s representations following the presentation by the software of scientific information related to the case studied and (5) assessment of the current state of understanding of the user by the software.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,004
Études des sciences et des technologies0,0010,007
Communication savante0,0050,005
Science ouverte0,0020,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,362
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced Computer Science and ApplicationsMême sujetKnowledge Societies in the 21st CenturyTravaux en français237 207